FineReader 引擎 Java SDK。如何在从 PDF 转换为 DOCX 时忽略图片

Question

我需要找到一种方法来在转换为 DOCX 文件的过程中忽略 PDF 文档中的图片和照片。我正在创建 FineReader Engine 的一个实例：IEngine engine = Engine.InitializeEngine(engineConfig.getDllFolder(), engineConfig.getCustomerProjectId(),engineConfig.getLicensePath(), engineConfig.getLicensePassword(), "", "", false);之后，我正在转换文档：IFRDocument document = engine.CreateFRDocument();document.AddImageFile(file.getAbsolutePath(), null, null);document.Process(null);String exportPath = FileUtil.prepareExportPath(file, resultFolder);document.Export(exportPath, FileExportFormatEnum.FEF_DOCX, null);因此，它会转换初始 pdf 文档中的所有图像。

Answer 1

当您将 pdf 导出到 docx 时，您应该使用一些导出参数。通过这种方式，您可以使用 IRTFExportParams。你可以得到这个对象：

IRTFExportParams irtfExportParams = engine.CreateRTFExportParams();

在那里你可以像这样设置 writePicture 属性：

irtfExportParams.setWritePictures(false);

那里：IEngine engine是主界面。我想你知道如何初始化它；）））

您还必须在方法 document.Process() 属性中进行设置。（文件来自IFRDocument document）。在Process()方法中你必须给IDocumentProcessingParams iDocumentProcessingParams。这个对象有方法setPageProcessingParams()，你必须把IPageProcessingParams iPageProcessingParams参数放在那里（你可以通过 得到这个对象engine.CreatePageProcessingParams()）。这个对象有方法：

iPageProcessingParams.setPerformAnalysis(true);
iPageProcessingParams.setPageAnalysisParams(iPageAnalysisParams);

在第一个方法中设置为真，在第二个方法中我们给出iPageAnalysisParams( IPageAnalysisParams iPageAnalysisParams = engine.CreatePageAnalysisParams())。

最后一步，您必须像这样在setDetectPictures(false)方法中设置 false 值iPageAnalysisParams。就这样：）

当你要导出文档时，你应该像这样放置这个参数：

IFRDocument document = engine.CreateFRDocument();
document.Export(filePath, FileExportFormatEnum.FEF_DOCX, irtfExportParams);

希望我的回答对大家有帮助）））

Answer 2

我不太熟悉 PDF 到 DOCX 的转换，但我认为您可以根据需要尝试自定义配置文件。

在您的代码中的某个时刻，您应该创建一个Engine对象，然后再创建一个Document对象（或IFRDocument对象，具体取决于您的应用程序）。在将文档提供给引擎进行处理之前添加此行：

engine.LoadProfile(PROFILE_FILENAME);

然后使用与您的 FRE 安装一起打包的文档中的“使用配置文件”部分下描述的一些处理参数创建您的文件。不要忘记在您的文件中添加：

... some params under other sections

[PageAnalysisParams]

DetectText = TRUE       --> force text detection

DetectPictures = FALSE  --> ignore pictures

... other params under PageAnalysisParams

... some params under other sections

它对条形码等的工作方式相同......但请记住，在从该文件中添加或删除内容时对结果进行基准测试，因为它可能会改变处理速度和结果的全局质量。

Answer 3

PDF 输入页面包含什么？MS Word 中的预期内容是什么？如果您能附上一个输入 PDF 文件的示例和一个 MS Word 格式的所需结果示例，那就太好了。然后给出一个有用的建议会容易得多。